Notizen aus 27 Sprachen: wie wir für jede Sprache die Engines ausgewählt haben
· Zeyu Si
Auf dieser Seite
Wir unterstützen 27 Sprachen. Die Engines hinter jeder einzelnen wurden getrennt getestet. Es gibt keine einheitliche Konfiguration, die für alle gilt.
Diese Serie legt die Tests für jede Sprache offen: welche Aufnahmen wir verwendet haben, welche Engines wir ausprobiert haben, welche Fehler jede gemacht hat, wofür wir uns entschieden haben und warum – und was noch ungelöst ist.
Die Kurzfassung
Es gibt keine „beste Engine“. Eine Engine, die im Spanischen vorne liegt, kann im Japanischen Letzte werden. Eine, die bei sauberem Audio keine Fehler macht, kann ganze Passagen verlieren, sobald Dialekt ins Spiel kommt oder Menschen durcheinanderreden.
Für jede Sprache suchen wir die Kombination, die in dieser Sprache die wenigsten Fehler macht und an anderen Stellen scheitert als die übrigen. Die zweite Hälfte ist genauso wichtig wie die erste: Engines, die immer wieder an denselben Wörtern scheitern, können einander nicht korrigieren. Warum, erklären wir in Warum eine Engine nicht reicht.
Die Testmethode selbst steht in WER lügt: echte Gespräche als Referenz, zuerst die Referenz prüfen, dann die Fehler zählen, die die Bedeutung verändern.
Die aktuelle Besetzung
Jede Sprache hat eine Haupt-Engine, die das Transkript erstellt und die Sprecher unterscheidet, sowie zwei oder drei unterstützende Engines, die es gegenprüfen.
Die Haupt-Engine ist derzeit für jede Sprache ElevenLabs Scribe v2. Die unterstützenden Engines verteilen sich auf acht Kombinationen:
| Unterstützende Engines | Sprachen |
|---|---|
| AssemblyAI + Doubao | Englisch, Deutsch, Spanisch, Französisch, Italienisch, Niederländisch, Portugiesisch, Russisch, Türkisch, Ukrainisch |
| Soniox + Doubao | Indonesisch, Japanisch, Malaiisch, Polnisch, Rumänisch, Thai |
| Soniox + Speechmatics | Arabisch, Tschechisch, Norwegisch |
| Speechmatics + Soniox | Dänisch, Griechisch |
| AssemblyAI + Soniox | Ungarisch, Schwedisch |
| Doubao + Soniox | Koreanisch, Vietnamesisch |
| Speechmatics + AssemblyAI | Finnisch |
| Doubao + FunASR + iFlytek | Chinesisch (die einzige Sprache mit drei) |
Seit August 2026 läuft außerdem Gemini als zusätzliche unterstützende Engine für alle 27 Sprachen.
Notizen zu jeder Sprache
- Chinesisch · Englisch · Spanisch · Französisch · Deutsch · Italienisch · Portugiesisch
- Russisch · Japanisch · Koreanisch · Vietnamesisch · Türkisch · Indonesisch · Thai
- Arabisch · Polnisch · Ukrainisch · Niederländisch · Rumänisch · Malaiisch · Griechisch
- Schwedisch · Ungarisch · Tschechisch · Dänisch · Finnisch · Norwegisch
Sprachen, die wir noch nicht unterstützen
Wir haben Tamil, Bengalisch und Filipino getestet, aber für keine davon eine brauchbare Referenz gefunden. Tamilische Untertitel werden üblicherweise im literarischen Register geschrieben, während die Leute im umgangssprachlichen sprechen. Für Bengalisch fanden wir keine wortgetreuen, von Menschen erstellten Untertitel. Und einige als Filipino gekennzeichnete Sendungen stellten sich als eine andere Sprache heraus.
Was wir nicht messen können, bieten wir nicht an. Sobald wir eine verlässliche Referenz haben, zum Beispiel ein wortgetreues Transkript von einem Muttersprachler, testen wir erneut.
Von Zeyu Si